熵值法matlab代码-cnm-code:论文“区域间连接组的约束和跨度”中的图采样算法

保守值法matlab代码cnm代码 鲁宾诺夫（2016）的图采样算法Nature Communications 713812。有关详细帮助，请参阅matlab文件；有关其他问题或建议，请与Mika Rubinov（rubinovm在janelia.hhmi.org）联系。 simann_constraint_model.m：经验网络的约束随机化 mleme_constraint_model.m：最大熵/指数随机图模型的最大似然估计 抽样类型 具有严格约束条件的网络的均匀采样：对于每个单独的采样网络，都可以高精度满足约束条件。 具有软约束的网络的无偏采样：平均而言，对于网络集成，可以满足约束，但通常对于每个单独的网络而言，不满足。 抽样方法 指定约束误差函数，并通过此函数的数值最小化（带有模拟退火）对单个网络进行采样。 通过非线性方程组的数值解来最大程度地估计网络概率分布，并直接从该分布中采样单个网络。 约束类型 加权和二进制节点强度，模块权重和布线成本约束。 此外，所有经验连接权重都将自动保留。 加权节点强度和模块权重约束。 经验连接权重未保留。 准确性 较小的归一化约束误差。 约束错